基于机器视觉的立木树干边缘检测及边缘直线提取

以互补金属氧化物半导体(CMOS)获取的立木图像为研究素材,基于图像处理技术和机器视觉技术,通过边缘检测算子进行了立木树干图像边缘特征提取,并对立木树干边缘直线特征进行了研究。结果表明:Prewitt算子和Canny算子虽然对于树干背景的边缘细节保留较多,但对于树干边缘检出率较高,并且树干边缘连续性好; Robert算子和Prewitt算子树干边缘的检测误差较大,Sobel算子、Lo G算子和Canny算子对于树干边缘的检测精度较高;分别将Sigma值为0. 1,0. 3,1. 4和3的高斯滤波的立木图像进行边缘检测,并将直径像素距离提取值与目视判读值进行比较,结果表明Sigma值为0. 3～1. 4时的识别偏差较小。     

基于Roberts算子的牡丹红斑病叶病斑边缘检测方法比较

为了准确快捷地获取牡丹红斑病叶病斑边缘,使用Roberts算子对图像进行边缘检测分析,研究了不同染病阶段病斑的特点及边缘检测阈值。根据不同染病阶段的病斑边缘检测阈值的范围,提出了适用于牡丹红斑病边缘检测的改进Roberts边缘检测方法。结果表明:Roberts算子能够对牡丹红斑病病斑边缘进行检测,传统Roberts算子检测的方式对目标叶片的病斑边缘平均检出率为63%。改进Roberts算子对牡丹红斑病病斑边缘检测的效果有所提高,病斑边缘平均检出率在73%左右,其检测阈值选取较传统算法更加合理。从一定程度上减少了病斑边缘检测的人为干扰因素,客观上提高了检测的自动化水平,增强了模型的鲁棒性,降低了选择阈值时的数据损失。     

木材细胞轮廓提取新方法初探

列举了三种经典的边缘提取方法:Sobel算子、Laplacian导数法和Kirsch极值法,并在此基础上提出了一种新的方法。此方法针对木材细胞图象自身的特点,改变轮廓提取的顺序,先通过类间方差法进行图象二值化,而后利用边界跟踪算法标记图象的范围,然后利用数学形态学算法,挖去细胞内部像素点,最后剩余部分图象就是细胞的边缘,通过理论推导和试验,论证了新方法的优势,其提取效果好,去除噪声明显,同时也提出了不足。     

基于GF-1遥感影像的森林植被类型提取算法研究——以四川长宁县为例

森林植被类型的提取一直是遥感领域信息提取的难点与重点,在以四川省长宁县为研究区的研究中,选用GF—1影像为实验数据,利用NDVI和NDWI两种指数区分植被与非植被以及水体与非水体,反复试验得出区分植被阈值为0.4,区分水体阈值为1.7;采用基于边缘检测的分割算法,分割阈值设置为30,合并阈值设置为90,纹理内核的大小设置为12,效果最佳。通过影像对象的特征组合建立最佳的分类规则,与传统的分类方法相比,分类精度高达88.65%,Kappa系数为0.85,是一种高效且比较切实可行的方法。     

基于CART决策树方法的遥感影像分类

以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.     

微分算子在虫害杨树叶片边缘检测的应用

介绍了几种常用的边缘检测算子.不同的微分算子对不同边缘检测的敏感程度不同,因此对不同类型的边缘提取应采用对此类边缘敏感的算子.针对受虫害杨树叶片图像,通过MATLAB 7.1进行仿真研究,通过比较,选出合适的方法.     

基于遥感影像的鄂托克前旗森林资源监测分析

以2002年和2006年TM遥感影像为数据源,在PCI 8.5和ARCGis 9.2遥感图像处理软件的支持下,获得了鄂托克前旗2个时期的森林资源图。通过计算机自动分类和分类后人工解译纠错相结合的图像分类提取方案,提高了图像分类提取的效率和精度。动态监测结果表明,从2002~2006年,面积增加的地类为灌木林和有林地,面积减少的地类为宜林地和裸沙地,农田和水体的面积基本保持不变,并对其变化结果进行了分析。     

基于GF-1的森林蓄积量遥感估测

森林蓄积量是评价森林资源数量的一个重要指标。结合遥感影像和地面调查数据估测森林蓄积量受遥感影像、遥感因子、预处理方法、估测方法等多方面的影响。为研究国产GF-1遥感影像估测森林蓄积量的最佳遥感因子组合方式和较优估测方法,并绘制森林蓄积量空间分布图,为我国森林蓄积量的研究提供理论基础和科学依据。为研究GF-1遥感影像估测森林蓄积量的遥感因子和估测方法,以湖南省醴陵市为研究对象,以国产GF-1遥感影像为数据源,通过对遥感图像预处理,获取光谱信息、纹理因子、植被指数作为特征变量,结合同时期的二类调查样地数据,从GF-1遥感影像像元与样地不匹配角度出发,应用移动窗口的方法解决像元与样地的对应关系,采用多元逐步回归、偏最小二乘回归和随机森林模型对研究区森林蓄积量进行估测,采用建模精度和估测精度进行分析评价。实验结果表明:1)3个模型选择的因子都包含了NDVI、 Band2、DI3、CO1和DVI等5个遥感因子,说明其对森林蓄积量的估测比较敏感;2)随机森林模型优于偏最小二乘回归和多元逐步回归,其决定系数R2为0.73、估测精度为83.69%。利用GF-1遥感影像结合随机森林模型应用于森林蓄积量的估测结果趋于真实分布,效果较理想;采用移动窗口法,利用国产GF-1遥感影像并结合随机森林进行森林蓄积量估测具有较好的应用前景。     

基于MODIS影像梯度的林火边界提取方法

红外遥感数据是获取火灾参数的主要方法.中分辨率成像光谱仪(MODIS)因具有广泛的光谱覆盖波段和强大的动态监测能力被用于森林火灾监测.传统方法主要是基于光谱特征的火烧迹地识别及制图,而描述火灾蔓延的边缘火线对于动态火灾监测具有更重要的意义.本文基于多波段影像梯度的图像视觉分析,提出一种自动检测林火边界火线特征的方法.通过与传统边缘算子的检测结果对比,并结合火烧迹地的归一化植被指数NDVI叠置验证.本方法在融合多波段影像的火灾光谱信息的同时,增强了火线变化的空间细节表现能力.提高了边缘定位性能,在动态火灾制图和监测方面是有效可行的.     

基于TM遥感影像的林相图的编制与应用

探讨了如何以TM遥感影像为数据源 ,运用地理信息系统技术和遥感技术编制林相图的技术方法和过程 ,并对遥感图像处理、地图数字化、图像几何精校正和基于遥感的林相图的应用等问题作了详细论述     

木质碳纤维复合材料的边缘检测方法比较

碳纤维复合材料的边缘检测是提取碳纤维特征值的先期条件,能够准确的找到完整的碳纤维边缘,对提取出碳纤维特征值意义重大。文中着重介绍sobel算子、roberts算子、canny算子和二值数学形态学在边缘检测上的应用及其处理的原理,分别利用这些算子对碳纤维复合材料的镜像图像经过预处理后图像进行matlab编程仿真,并对仿真结果进行综合比较,通过比较各种算子处理后的图像得知二值形态学较为清晰准确的显示了所需图像,为之后的实验特征值提供必要的条件。     

基于遗传算法的超细木粉图像分割研究

图像分割技术能够将木粉图像与背景区分出来,获得清晰精确的木粉轮廓,其效果的好坏直接影响到最终木粉尺寸的检测结果。本文介绍了模拟自然界生物进化过程而形成的遗传算法,在经过初始化种群、计算适应度值、精英选择、交叉等一系列步骤后,对超细木粉图像进行分割;采用Canny算法求取图像边缘,最终获得清晰的木粉轮廓图像,为后续的木粉大小、目数检测提供了必要的技术支持。     

基于模糊聚类分析的木材缺陷CT图像分割

为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。     

球栅阵列芯片图像边缘提取方法研究

针对球栅陈列（BGA）芯片图像的特点,其边缘提取最为关键技术的是芯片的引脚图像的轮廓提取。一般传统的边缘检测方法大都是以原图像为基础,检测边缘是利用边缘临近一阶或二阶导数方向变化规律,对噪声极度敏感,因此常常边缘误检。通过蛇模型及其改进处理BGA芯片边缘检测,使其对噪声的敏感程度尽量按要求降到最低,同时在不漏测真边缘的前提下尽量不引入假边缘,运算速度快,效果好,抗干扰性强。     

基于HSI空间的形态学单板缺陷检测

单板材料在发展中国家的应用日趋广泛,优质的单板可用于模板,胶合板,贴面板等人造版的面板.为了检测并提取单板图像中的缺陷,提高单板质量,基于数学形态学,本文提出一种复合型的彩色图像边缘检测方法.在传统形态学算法的基础上,一是利用开闭运算的迭代提高了抗噪能力;二是利用双结构元分别对H、S、I三个分量进行形态学处理而后融合.与传统算法Canny和Sobel进行比较,结果表明该算法增强了图像分割的精确性和完整性,能够有效提高单板等级.     

多尺度数学形态学在木材图像边缘检测中的应用

提出一种基于多尺度结构元的数学形态学图像边缘检测算法.针对图像中噪声和边缘形态不同,定义了多尺度的形态学结构元素,并通过形态学运算的加权组合,构造了多尺度的边缘检测算法.在针对木材缺陷图像的仿真试验中,该方法与经典的边缘检测算子相比不仅具有很好的边缘提取能力,而且还有很强的抗噪性.     

基于图像处理的木粉目数检测与分析

为了解决生产中木粉目数传统检测方法存在的问题,结合先进的数字图像处理技术,在分析木粉颗粒形态特征的基础上,提出了一种基于形态学边缘检测和最大Feret直径的目数检测方法。该方法首先进行图像HIS颜色空间转换,基于S分量进行目标提取,应用多尺度形态学边缘检测算子提取边缘,然后根据颗粒形态特征只保留Feret最大方向上的直径,最后通过单位换算实现目数检测。实验结果表明,该方法具有较高的检测精度,可在生产中推广应用。     

基于边缘检测滤波的机载激光雷达点云数据处理

机载激光雷达（Lidar）是一种主动式对地观测技术,可以直接获取点的三维坐标.Lidar点云数据的括滤波和分类,是Lidar数据处理的重要步骤.利用国际摄影测量与遥感协会ISPRS提供的实验数据,采用边缘检测滤波算法和线性卷积滤波算法对数据进行滤波,滤波后的图像表明,边缘检测滤波算法效果优于线性卷积滤波.采用基于Axelsson的改进的不规则三角格网加密方法进行点云分类,将Lidar点云分为以下8类：低点、孤立点、空中点、地面点、模型关键点、低于地表的点、建筑物点和植被点.分类后的Lidar点云数据都被分到了唯一的类别中,清楚地显示出地面信息.结果表明,采用的滤波和分类算法有效可行,对Lidar点云数据处理有重要的借鉴意义.     

多尺度分形特征在木材内部缺陷检测中的应用

将数字图像处理与木材检测相结合,对获取的木材图像进行图像处理与分析,获取高质量的木材图像是提高木材检测准确性的重要手段。利用微光摄像机作为图像输入传感器,并最终以数字信号的形式储存在计算机当中。应用数字图像处理技术对采集到的原始图像进行预处理,提高图像的质量,便于后续处理。将预处理后的图像分割成若干个子区域,计算出每个子区域的多尺度分形特征值。实验结果显示,图像中背景部分与边缘部分多尺度分形特征值存在明显差别,可以提取奇异性较大的多尺度分形特征值,他们的集合即为木材缺陷的边缘。     

原木端面面积的数字图像检测方法研究

原木端面面积的自动检测是实现原木材积自动化操作的关键步骤。采用数字图像处理的方法,通过灰度变换、中值滤波、边缘增强、二值化和轮廓跟踪等技术处理,实现对原木端面面积的自动检测。试验证明,采用以上方法和技术处理可获得较准确的原木端面面积的检测结果。